بهینه سازی در علوم و مهندسی
علی شیخانی؛ فرشاد حسین زاده لطفی؛ آرش مقصودی
چکیده
در سطح جهان، میزان زایمان‌های زودرس در حال افزایش است، بنابراین مشکلات قابل توجهی در زمینه سلامت، توسعه و اقتصادی ایجاد خواهد شد. زایمان زودرس یکی از دلایل اصلی مرگ و میر و علت قابل توجهی برای از بین بردن توانایی بالقوه انسانی در میان بازماندگان در سراسر جهان است. عوارض زایمان زودرس تنها بزرگترین علت مستقیم مرگ نوزادان است. روش‌های ...
بیشتر
در سطح جهان، میزان زایمان‌های زودرس در حال افزایش است، بنابراین مشکلات قابل توجهی در زمینه سلامت، توسعه و اقتصادی ایجاد خواهد شد. زایمان زودرس یکی از دلایل اصلی مرگ و میر و علت قابل توجهی برای از بین بردن توانایی بالقوه انسانی در میان بازماندگان در سراسر جهان است. عوارض زایمان زودرس تنها بزرگترین علت مستقیم مرگ نوزادان است. روش‌های فعلی برای تشخیص زود هنگام چنین زایمانی ناکافی می‌باشد. یکی از تکنیک‌های امیدوار کننده، که در نظارت بر فعالیت رحمی به رسمیت شناخته شده است، استفاده از الگوریتم‌های یادگیری پیشرفته دستگاه و القای الکتروهیستروگرافی (EHG) است. در این مقاله با طراحی یک ماشین یادگیری، برای تشخیص انواع زایمان انجام شده است. با استفاده از الگوریتم‌های یادگیری عمیق، از سیگنال‌های الکتروهیستروگرافی برای تشخیص تولد زودرس استفاده شده است. نتایج با استفاده از یک مجموعه داده که شامل 262 پرونده برای زنانی است که دارای زایمان واقعی و 38 پرونده برای زنانی که دارای زایمان زودرس بوده‌اند، حاصل شده است. با استفاده از تکنیک "کراس" روی ۴ نوع مجموعه داده با دو روش با آموزش و بدون آموزش، اجرا گردید. نتایج حاص در این تحقیق نشان داد که روی این مجموعه از داده خطای موجود یک درصد بوده است.
